1. AI技术聚合首页
  2. 技术文章

命名实体识别（NER）算法

xiaoxingxing • • 技术文章 • 阅读 912

在论文A Survey on Deep Learning(深度学习(Deep learning)) for Named Entity Recognition 中对NER工作进行了详尽的介绍。本文根据综述的行文顺序，快速的介绍NER使用的技术，并在最后一小节中附上bert+softmax与bert+crf的相关代码。

标注方案

  • BIO
  • BIOES

B，开始位置
I，中间位置
E，结束位置
O，other
S，single

问题建模

给定一个符号(symbol)（Token）序列 s=(w1,w2,...,wN)s = (w_1, w_2, …, w_N)s=(w1​,w2​,...,wN​)， NER的任务就是要输出一个元组序列 (Is,Ie,t)(I_s, I_e, t)(Is​,Ie​,t), 其中每一个元组表示序列s中出现的一个命名实体。 其中，Is∈[1,N],Ie∈[1,N]I_s \in [1,N], I_e \in [1,N]Is​∈[1,N],Ie​∈[1,N], 分别代表实体在符号(symbol)序列中的位置，ttt表示该实体的类(Cluster)别。比如：

在这里插入图片描述

评价指标

  • 宽松匹配评估（Relaxed-match Evaluation）：当实体位置区间部分重叠,或位置正确类(Cluster)别错误的,都记为正确或部分正确。但因为这样的评估方案不够直观，对于错误分析很不友好，所以并没有被广泛采用。
  • 严格匹配评估（Exact-match Evaluation）：当且仅当实体位置区间和类(Cluster)别都正确时判定其为正确。其中F1值又可以分为macro-averaged和micro-averaged，前者是按照不同实体类(Cluster)别计算F1，然后取平均；后者是把所有识别结果合在一起，再计算F1。 这两者的区别在于实体类(Cluster)别数目不均衡，因为通常语料集中类(Cluster)别数量分布(Distribution)不均衡，模型往往对于大类(Cluster)别的实体学习较好。

常用的NER方法

在这里插入图片描述

如上图所示，常用的NER方法主要分为四个大类(Cluster)：

  • 基于规则
  • 无监督任务
  • 基于人工特征的监督学习(Supervised learning)方法
  • 深度学习(Deep learning)方法

目前，深度学习(Deep learning)方法是NER常用的方法，本文具体介绍深度学习(Deep learning)方法。

深度学习(Deep learning)方法（in survey）

本小结按照 综述 的顺序简要介绍 NER中常用的深度学习(Deep learning)方法。

在这里插入图片描述

输入(input)的分布(Distribution)式表示

输入(input)的分布(Distribution)式可以分为：词语级别表示、字符级别表示和混合(Mixing)表示。

  • 词语级别表示： (word2vec/fasttest/glove等)，对于英文而言就是单词，比如 hello。而对中文而言，可能字符级别的表示要更好一些，这是因为基于此的中文NER会受分词效果的影响，切词错误会传递到NER中，会造成累计误差。 但是也有的论文利用了中文词级别的信息来做的，比如：Lattice LSTM。

  • 字符级别的表示：（CNN/RNN）。字符级别的表示方法可以比较有效地挖掘如前缀、后缀等sub-word级别的信息，另一方面的优势在于其天然地可以解决OOV问题。

    在这里插入图片描述

    对于中文而言，字符级别是比较常用的表示，但是每个字通常具有多重含义，比如说：“花哨”、“花茶”中的“花”显然含义不同；因此，想要捕捉语义层面的信息的话，就需要对上下文语义进行建模从而充分表达字的含义，常见的就是用CNN来做，RNN也可以。

    比如，18年的一项工作《Contextual String Embeddings for Sequence Labeling》，使用字符级别的神经语言模型(Neural Language Model)(language model)产生上下文相关的文本嵌入(Embedding)。大致思路为使用双向RNN编码(code)字符级别嵌入(Embedding)，将一个词的前向和后向隐层状态与词嵌入(Embedding)(Word embedding)拼接作为最终词嵌入(Embedding)(Word embedding)向量，如下图所示。源码位置

    在这里插入图片描述

  • 混合(Mixing)表示：部分研究在词语级别和字符级别外还引入了其他额外信息，如词语相似度、语义依存关系、视觉特征、知识图谱(knowledge graph)等。某种程度上而言，使用Token Embedding、Position Embedding等预训练(pretraining)得到的类(Cluster)BERT模型也可以划分到混合(Mixing)表示方法中。

上下文编码(code)

  • CNN： 如下图所示，主要用于捕捉局部依赖(dependency)特征。虽然可以通过多层CNN的叠加加大感受野而得到全局特征，但是，对于NER来说，这种长程依赖(dependency)性还是不足。因此，CNN大多后面可以接LSTM或者attention来强化长程依赖(dependency)能力。
    在这里插入图片描述
  • RNN，常用的有LSTM和GRU，可以获得较好的长程依赖(dependency)能力。而且由于门机制的存在，也能获得较好的局部依赖(dependency)性。在NLP中常用BILSTM获得上下文特征。
    在这里插入图片描述
  • 递归神经网络(Recursive Neural Network)。把句子当作树状结构而非序列进行处理，从理论上而言具有更强的表示能力，但其存在样本标注难度大（需标注语法解析树(Parse tree)）、深层易梯度(gradient)消失、难以并行计算等弱点，因此在实际应用中使用较少。
    在这里插入图片描述
  • Transformer：是近年来使用广泛的网络，transformer在长距离文本依赖(dependency)上相较RNN有更好的效果。

但是将transformer直接应用于NER任务时，可能效果不那么理想，原因可能是对于NER而言，它需要的是：（1）局部依赖(dependency)的捕捉；（2）位置信息；（3）更 sharp 的attention 分布(Distribution)（NER不需要太多的全局信息）。有论文表明，这些问题解决后，呈现出比CNN+BiLSTM+CRF更好的效果。

  • 语言模型(language model)：大规模预训练(pretraining)语言模型(language model)近年来在各种NLP任务中取得巨大成功，如GPT（Generative Pre-trained Transformer）、ELMo、BERT等。这些预训练(pretraining)语言模型(language model)不但有效地捕捉了文本中的上下文关系，且不需要如Word2Vec、GloVe等传统词向量进行分布(Distribution)式表示。

解码器(decoder)

标注解码器(decoder)是NER模型的最后一部分，其将经过上下文编码(code)器得到的表征作为输入(input)，常用的解码器(decoder)组合有：MLP+Softmax，CRF，RNN，Pointer Networks等。

先说MLP+softmax和CRF：

CRF有一系列特征函数，相当于增加了一系列约束条件。比如说：E 后面跟 B的可能性比E后面跟I的可能性（这个几乎不可能）要大得多。但是softmax就不存在这样的约束，这样的话就相当于这一部分需要在放在前面的模型去学习。这也就是为什么CRF解码器(decoder)如此常见的原因。

但是，为什么Bert+CRF相对于Bert+softmax性能没什么提升呢？甚至有的时候会带来一些负面影响？

可以参考 你的 CRF 层的学习率(Learning rate)可能不够大 这篇文章。

简单来说就是，BERT 的拟合能力太强了，导致不需要转移矩阵(matrix)效果都很好。而不好的转移矩阵(matrix)会给结果带来负面的影响。

RNN：

在这里插入图片描述

Pointer Networks：使用指针网络解码，是将NER任务当作先识别“块”即实体范围，然后再对其进行分类(Cluster)。指针网络通常是在Seq2seq框架中
在这里插入图片描述

实践

Bert + Softmax

class BertSoftmax(BertPreTrainedModel): # 大部分与transformer 提供的BertForTokenClassification相同，这里只是改了点loss
  # config 来自bertconfig,其实本质是一个分类(Cluster)问题。即每个token属于什么类(Cluster)别
  def __init__(self,config):
    super(BertSoftmax, self).__init__(config)
    self.num_labels = config.num_labels
    self.bert = BertModel(config)
    self.dropout = nn.Dropout(Dropout)(config.hidden_dropout_prob)
    self.classifier=nn.Linear(config.hidden_size,config.num_labels)
    self.loss_type=config.loss_type
    self.init_weights()
  def forward(self, input_ids, attention_mask=None, token_type_ids=None, labels=None):
    # last hidden state,pooler output, past_key_values, hidden_states,attentions,cross_attentions
    outputs = self.bert(input_ids=input_ids, attention_mask=attention_mask, token_type_ids=token_type_ids)
    sequence_output = outputs[0]
    sequence_output = self.dropout(sequence_output)
    logits = self.classifier(sequence_output)
    outputs = (logits,) + outputs[2:]  # add hidden states and attention if they are here
    if labels is not None:
      loss_fct = CrossEntropyLoss(ignore_index=0)
      if attention_mask is not None:
        active_loss = attention_mask.view(-1) == 1
        active_logits = logits.contiguous().view(-1, self.num_labels)[active_loss]
        active_labels = labels.contiguous().view(-1)[active_loss]
        loss = loss_fct(active_logits, active_labels)
      else:
        loss = loss_fct(logits.view(-1, self.num_labels), labels.view(-1))
      outputs = (loss,) + outputs
      return outputs  # (loss), scores, (hidden_states), (attentions)

Bert + CRF

CRF: 这里展示的代码没展示解码（也就是维特比算法(Viterbi algorithm)）：

# CRF class
class CRF(nn.Module):
  """
  发射矩阵(matrix)（来自于bert层），其shape为(seq_length,batch_size,num_tags)，如果batch_first=true,那么应该是(batch_size,seq_length,num_tags)
  转移矩阵(matrix)：shape是(num_tags,num_tags)
  训练： 主要是计算max的正确路径/总路径的大小
  预测： 维特比算法(Viterbi algorithm)
  """
  def __init__(self,num_tags,batch_first=False):
    super().__init__()
    self.num_tags=num_tags
    self.batch_first=batch_first
    # 转移矩阵(matrix)
    self.transitions=nn.Parameter(torch.empty(num_tags, num_tags))
    # 初始化
    self.init_parameter()
  def init_parameter(self):
    nn.init.uniform_(self.transitions, -0.1, 0.1)
  def forward(self, emissions,tags,mask):
    """
    batch_first表征batch是不是在头部
    emissions: 从bert层传过来的发射矩阵(matrix)。
    tags: seq labels, shape:(seq_length, batch_size)
    mask: mask tensor, shape:(seq_length,batch_size)
    返回值： log likelihood, shape: (batch_size,)
    """
    # 处理mask的格式
    if mask is None:
      # 如果mask是None,那么所有的分数都是有效的
      mask = torch.ones_like(tags, dtype=torch.uint8, device=tags.device)
    if mask.dtype != torch.uint8:
      mask = mask.byte()
    # 处理batch first
    if self.batch_first:
      emissions = emissions.transpose(0, 1)
      tags = tags.transpose(0, 1)
      mask = mask.transpose(0, 1)
    # 计算正确的label的分数
    # shape: (batch_size,)
    numerator = self._compute_score(emissions, tags, mask)
    # 计算归一化(Normalization)因子
    denominator = self._compute_normalizer(emissions, mask)
    # shape: (batch_size,)
    llh = numerator - denominator
    return llh.sum() / mask.float().sum()
  def _compute_score(self,emissions,tags,mask):
    # 需要计算point label 和 trans_label
    seq_length, batch_size = tags.shape
    mask = mask.float()
    score = torch.zeros(batch_size)
    # shape:(batch_size,)
    # 第一步，加的是所有batch的seq第0个位置的point score
    # tags[0]:(batch_size,)
    # emissions (seq_len,batch_size,num_tags)
    score += emissions[0, torch.arange(batch_size),tags[0]]
    # 开始计算转移分数 与 余下的point分数
    for i in range(1,seq_length):
      # 如果这个分数是有效的，则加入（mask=1）
      score += emissions[0, torch.arange(batch_size),tags[i]] * mask[i]
      # 开始计算转移分数
      score += self.transitions[tags[i - 1], tags[i]] * mask[i]
    return score
  def _compute_normalizer(self,emissions,mask):
    # 计算归一化(Normalization)因子，逐标签得分 + 转移概率得分（考虑的是全状态）
    # return：归一化(Normalization)分数，shape:(batch_size,)
    # emissions (seq_len,batch_size,num_tags)
    seq_length = emissions.size(0)
    # 考虑某一个batch，每一个num_tags可以作为一个hidden state(考虑rnn的图，所以一开始应该是 batch_size, num_tags)
    score = emissions[0]  # shape:(batch_size,num_tags) 这个是在位置0每个num_tags的标签得分
    for i in range(1,seq_length):
      # shape : (batch_size, num_tags, 1)
      # 之前的state h_t
      broadcast_score = score.unsqueeze(2)
      # shape: (batch_size, 1, num_tags)
      # x_t+1
      broadcast_emissions = emissions[i].unsqueeze(1)
      # h_t+1 = f(h_t,x_t+1),  h_t+1=h_t*x_t+1*g
      next_score = broadcast_score + self.transitions + broadcast_emissions
      # (batch_size,num_tags,num_tags)
      next_score = torch.logsumexp(next_score, dim=1)
      # Set score to the next score if this timestep is valid (mask == 1)
      # (seq_length,1, batch_size)
      score = torch.where(mask[i].unsqueeze(1), next_score, score)
    # (batch_size,)
    return torch.logsumexp(score, dim=1)

Bert+CRF:

class BertCRF(BertPreTrainedModel):
  def __init__(self,config):
    super(BertCRF, self).__init__(config)
    self.bert=BertModel(config)
    self.dropout=nn.Dropout(Dropout)(config.hidden_dropout_prob)
    # 这是crf的发射概率
    self.classifier=nn.Linear(config.hidden_size,config.num_labels)
    self.crf = CRF(num_tags=config.num_labels, batch_first=True)
    self.init_weights()
  def forward(self, input_ids, token_type_ids=None, attention_mask=None,labels=None):
    # last hidden state,pooler output, past_key_values, hidden_states,attentions,cross_attentions
    outputs =self.bert(input_ids = input_ids,attention_mask=attention_mask,token_type_ids=token_type_ids)
    sequence_output = outputs[0]
    sequence_output = self.dropout(sequence_output)
    logits = self.classifier(sequence_output)
    outputs = (logits,)
    if labels is not None:
        loss = self.crf(emissions = logits, tags=labels, mask=attention_mask)
        outputs =(-1*loss,)+outputs
    return outputs # (loss), scores

参考

A Survey on Deep Learning(深度学习(Deep learning)) for Named Entity Recognition
最通俗易懂的BILSTM-CRF的CRF层介绍
简明条件随机场(Conditional random field)CRF介绍 | 附带纯Keras实现
keras实现源码
BERT标注为何不使用CRF
NER综述
命名实体识别(Named entity recognition)NER
NER论文大礼包

版权声明：本文为博主一只小菜狗:D原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

原文链接：https://blog.csdn.net/init__/article/details/121128131

共计人评分，平均分

到目前为止还没有投票！成为第一位评论此文章。

赞 (0)
xiaoxingxing的头像xiaoxingxing管理团队
0
上一篇 2021年11月22日 下午4:20
下一篇 2021年11月22日 下午4:50

相关推荐